第二节
Prompt 学习笔记：如何通过「加约束」让 AI 回答更有用
注：第一节为介绍 AI，因此略去
本节课的核心只有一句话：
好的 Prompt = 有角色 + 有上下文 + 有清晰约束
也就是 3C 原则：Context+constraints++Clarfy，也就是：背景+限制+清晰
下面我按本节课的课程结构，把内容拆开讲清楚。
Adding Constraints（为什么要加约束）
很多时候， AI 回答"太泛""不落地"，问题往往不在 AI，而在 Prompt 太宽泛 。会让 AI 产生所谓的幻觉
Lesson（核心结论）
👉 Adding constraints improves relevance
加约束，能显著提升回答的相关性和可用性。
Basic Constraint（没有约束的 Prompt）
比如你想要，开车从SFO到NY，并且中间还想看看沿途的景点，这个时候你怎么提问呢？
Prompt：
How long by car from SFO to New York?
（从旧金山到纽约坐车需要多久？）
问题：
-
AI 只能给你一个纯时间估算
-
对真实出行决策帮助不大
Improved Constraint（加了约束的 Prompt）
Improved Prompt：
List sightseeing spots en route by car, but include only those with ≤1 hour detour.
列出沿途适合自驾游的景点，但仅限绕行不超过1小时的景点。
变化点：
-
不只是"多远"
-
明确了：
-
你是自驾
-
你想顺路看景点
-
绕路不能超过 1 小时
-
结果：
-
AI 给你的不再是"冷知识"
-
而是可直接用于规划行程的建议
The 3C Prompting Formula（三要素公式）
这节课给了一个非常好记的公式：3C Prompting
1️⃣ Context（上下文）
告诉 AI：
-
你是谁
-
你在什么场景
-
你要解决什么问题
示例：
You are a QA Engineer testing a banking app.
2️⃣ Constraints（约束）
告诉 AI：
-
做什么
-
不做什么
-
关注重点
-
忽略无关内容
示例：
-
只关注安全问题
-
只看 SQL 注入
-
只看密码存储
3️⃣ Clarity（清晰度 / 输出要求）
明确：
-
输出格式
-
结构
-
是否需要表格、列表、步骤
示例：
-
用 bullet points
-
标注行号
-
不要长段落
📌 一句话总结 3C：
Context 决定方向，Constraints 限定范围，Clarity 决定可用性
QA Analogy：差 Prompt vs 好 Prompt
这一部分用 QA 的例子讲得非常直观。
❌ Poor Prompt（差的 Prompt）
Find bugs in my login code.
问题：
-
没角色
-
没重点
-
没输出格式
-
AI 只能"随便说说"
✅ Better Prompt（好的 Prompt）
You are a QA Engineer reviewing my Python login code for security vulnerabilities.
你是一名质量保证工程师，正在审查我的Python登录代码是否存在安全漏洞。
Focus on SQL injection and password storage.
专注于SQL注入和密码存储。
Return bullet points with issue descriptions and line numbers.
返回带有问题描述和行号的要点列表。
为什么这个好？
它同时满足了：
-
角色：QA Engineer
-
任务：review login code
-
约束：只看安全、只看两类问题
-
输出：要点列表 + 行号
Lesson（重要结论）
Role definition + constraints + clarity = Actionable results
这句话非常重要，几乎可以当成 Prompt 编写的"公式"。
Refinement Steps（一步步优化 Prompt）
课程里给了一套Prompt 逐步精炼方法，非常适合日常工作。
Step 1：加角色
You are a QA Engineer working on an e-commerce site.
Step 2：明确功能范围
Write test cases for:
-
valid login
-
invalid login
-
forgot password
Step 3：加约束条件
Include at least 2 negative scenarios for each feature.
Cover browser compatibility (Chrome, Firefox).
Step 4：规定输出格式
Provide results in a table with columns:
Test Case ID | Title | Steps | Expected Result
Step 5：加优先级
Mark each test case with priority: High / Medium / Low.
Few-Shot Prompting（少样本示例法）
定义
Few-Shot Prompting：
在提问前，先给 AI 看几个你想要的"示例答案"。
AI 会自动模仿：
-
结构
-
风格
-
粒度
通用模板
You are a QA Engineer.
Here are 2 example test cases in the format I want:Example 1\], \[Example 2\]. Now create similar test cases for \[new scenario\].
QA 示例
-
Example 1：Valid login test case
-
前置条件
-
步骤
-
预期结果
-
-
Example 2：Invalid login test case
- 同样的结构
👉 然后让 AI：
用完全相同的结构生成新的测试用例
总结
如果只记住三点就够了：
1️⃣ 不要直接提需求，要先定角色
2️⃣ 一定要加约束，否则 AI 只能泛泛而谈
3️⃣ 用格式 + 示例，能把 AI 输出变成"可直接用的交付物"